ICLRFeb, 2020

具有语义 - 情境内存的机器人通过 Aesop 寓言实验进行因果学习

PDF
TL;DR本研究针对 Aesop 寓言中的 The Crow and The Pitcher 任务，通过机器人重新演绎任务，提出了一种基于大脑引导的神经语义记忆模型和四个任务通用的学习规则，实现了对隐含关系的逐步抽象并预测出不受学习对象及探索顺序影响的 Archimedes 原理，证明了乌鸦、猿和儿童等认知体系具备因果理解能力。
corvidsapeschildrencausal learningrobot
发现论文，激发创造
  • 认知人形机器人的渐进过程与感觉运动学习

    本文基于 CONAIM 模型，以增量方式学习程序，并通过增加学习过程的奖励函数提高认知代理的认知复杂性，从而解决了复杂任务。

    Apr, 2023

  • 从人工示范中学习符号任务表示：存储、检索、巩固和遗忘经验的记忆

    通过符号学习框架实现类似认知记忆功能，生成任务表示来支持高级任务规划和知识引导，通过一次性学习过程和非注释数据存储任务的清晰表示，利用简单启发式规则对记忆观察进行排序，形成分层知识表示的框架并通过组装任务情景验证其性能、讨论其优劣。

    Apr, 2024

  • 利用人类引导的因果知识实现更一般化的机器人任务规划

    通过人类引导的因果知识的使用，作者在语言接口和机器人上开发和测试了一种方法，可以使机器人在新环境中获得泛化解决方案。

    Oct, 2021

  • 基于观测学习的因果机器人通讯

    介绍了如何应用心理学的学习行为洞见为机器人意图交流提供洞见，并通过从一个动作序列中选择性地解释因果动作的方式，使机器人更有效地传达其目的。

    Mar, 2022

  • 超越模仿：通过学习概念作为认知程序，在机器人上实现零样本任务转移

    本文通过引入类人概念学习框架和新型计算机架构，将认知心理学的有关概念转移到机器学习领域中，实现了具备可解释性及直观感知能力的机器人。该认知计算机通过视觉感知系统、即时记忆和运动控制系统，实现一个命令集合，以学习新概念，并可将其应用于不同形势的物理世界中。

    Dec, 2018

  • 学习推理和行动物理级联事件

    介绍了一个称为 “Cascade” 的新型监督学习框架，使用基于事件的前向模型和语义树搜索算法来教会 AI 在复杂的动态环境中进行干预，并推动级联式事件触发达到特定的 “反事实” 目标，从而有效地遵循指令。

    Feb, 2022

  • 反事实推理与学习系统

    本文介绍如何利用因果推断来理解与环境交互并预测系统变更的后果，从而使人类和算法能够选择改变，以改善系统的短期和长期性能。作者还通过对 Bing 搜索引擎广告放置系统的实验来说明他们的方法。

    Sep, 2012

  • 基于叙述的后验推理在认知机器人技术中的应用

    在自主轮椅机器人控制任务中，通过应用驱动的工作，利用智能环境框架获取基于叙述式知识的环境信息，通过机器人认识模型的稳定模型后预测异常并进行即时控制，具体使用了基于答案集编程的近似认识动作理论计划器实现了整体推理。

    Jun, 2013

  • 从视觉观察推断目标指向任务的因果关系

    本文提出了一种利用有向无环图产生因果知识，辅助人工智能完成目标驱动任务的方法，并通过实验证明该方法可以有效地推广到在先前未见的具有新的因果结构的环境下完成新任务。

    Oct, 2019

  • NeuroCERIL：可编程引力神经网络中的层次因果推理机器人模仿学习

    本研究探讨了开发仅基于神经控制器的社交机器人的可行性，它们通过思考所示行为的根本意图来学习模仿，相结合的底层学习和顶层探索提高了学习的泛化能力，其中 NeuroCERIL 是使用唯一的神经元来实现人类类习得的可读性，其能够促进人 - 机协作并为研究人类认知的神经计算基础做出贡献。

    Nov, 2022